实现环形缓冲区

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：实现环形缓冲区
  • 测试类型：文本生成
  • 评测维度：代码生成
  • 参与评测的模型数：232 个

系统提示词（System Prompt）

你是一名资深 Python 软件工程师，擅长基础数据结构的设计与实现。 回答要求： 1. 使用 Python 实现环形缓冲区，代码需简洁清晰，符合 Pythonic 风格。 2. 重点关注读写指针（索引）的正确维护、取模运算的使用以及空/满状态的准确判断。 3. 对每个方法添加简短的注释，说明其逻辑意图。 4. 在代码末尾提供简单的使用示例，验证各功能的正确性。 5. 若存在边界情况（如缓冲区大小为 0、读写空/满缓冲区），需明确处理并返回合理的错误信息。

用户提示词（User Prompt）

请用 Python 实现一个简单的环形缓冲区（Ring Buffer）数据结构。 **功能要求：** 1. `__init__(self, capacity: int)`：初始化一个指定容量的环形缓冲区，容量必须为正整数，否则抛出 `ValueError`。 2. `write(self, data) -> bool`：向缓冲区写入一个数据项。若缓冲区已满，返回 `False` 并不写入；写入成功返回 `True`。 3. `read(self) -> tuple`：从缓冲区读取并移除一个数据项，返回 `(True, data)`；若缓冲区为空，返回 `(False, None)`。 4. `size(self) -> int`：返回当前缓冲区中已存储的数据项数量。 5. `is_empty(self) -> bool`：返回缓冲区是否为空。 6. `is_full(self) -> bool`：返回缓冲区是否已满。 **实现要求：** - 使用固定大小的列表（数组）作为底层存储，不得使用 `collections.deque` 等现成队列结构。 - 使用读指针（`read_pos`）和写指针（`write_pos`）维护缓冲区状态，通过取模运算实现循环。 - 使用独立的计数器（`_size`）或通过指针差值判断空/满状态，需保证逻辑无歧义。 **请在代码末尾附上示例演示：** - 初始化容量为 3 的缓冲区 - 依次写入 3 个元素，验证写满后再写入返回 `False` - 依次读取所有元素，验证读空后再读取返回 `(False, None)` - 展示 `size()`、`is_empty()`、`is_full()` 的调用结果

各模型评测结果

  1. 第 1：Google: Gemma 4 26B A4B ，得分 100.0 分 — 查看该模型的详细评测结果
  2. 第 2：MiniMax-M3，得分 99.0 分 — 查看该模型的详细评测结果
  3. 第 3：Anthropic: Claude Sonnet 4.6，得分 97.03 分 — 查看该模型的详细评测结果
  4. 第 4：Claude Opus 4.6，得分 97.0 分 — 查看该模型的详细评测结果
  5. 第 5：glm-5.2，得分 96.6 分 — 查看该模型的详细评测结果
  6. 第 6：glm-5，得分 96.5 分 — 查看该模型的详细评测结果
  7. 第 7：Qwen 3.7 Max，得分 96.0 分 — 查看该模型的详细评测结果
  8. 第 8：Anthropic: Claude Haiku 4.5，得分 95.8 分 — 查看该模型的详细评测结果
  9. 第 9：OpenAI: gpt-oss-120b，得分 95.67 分 — 查看该模型的详细评测结果
  10. 第 10：OpenAI: GPT-5 Mini，得分 95.33 分 — 查看该模型的详细评测结果
  11. 第 11：deepseek-v3.2，得分 95.13 分 — 查看该模型的详细评测结果
  12. 第 12：mimo-v2-pro，得分 95.0 分 — 查看该模型的详细评测结果
  13. 第 13：OpenAI: GPT-5.4，得分 95.0 分 — 查看该模型的详细评测结果
  14. 第 14：MiniMax-M2.7，得分 94.8 分 — 查看该模型的详细评测结果
  15. 第 15：qwen3.6-plus-preview，得分 94.3 分 — 查看该模型的详细评测结果
  16. 第 16：deepseek-v4-flash，得分 94.2 分 — 查看该模型的详细评测结果
  17. 第 17：Gpt 5.5，得分 94.2 分 — 查看该模型的详细评测结果
  18. 第 18：Claude Opus 4 7，得分 93.8 分 — 查看该模型的详细评测结果
  19. 第 19：kimi-k2.5，得分 93.67 分 — 查看该模型的详细评测结果
  20. 第 20：deepseek-v4-pro，得分 93.5 分 — 查看该模型的详细评测结果
  21. 第 21：mimo-v2-omni，得分 93.5 分 — 查看该模型的详细评测结果
  22. 第 22：glm-4.7，得分 93.5 分 — 查看该模型的详细评测结果
  23. 第 23：qwen3.5-omni-flash，得分 93.3 分 — 查看该模型的详细评测结果
  24. 第 24：OpenAI: gpt-oss-20b，得分 93.2 分 — 查看该模型的详细评测结果
  25. 第 25：glm-5-turbo，得分 93.0 分 — 查看该模型的详细评测结果
  26. 第 26：Gemini 3.5 Flash，得分 93.0 分 — 查看该模型的详细评测结果
  27. 第 27：doubao-seed-2-0-code，得分 93.0 分 — 查看该模型的详细评测结果
  28. 第 28：Google: Gemini 3.1 Pro Preview，得分 93.0 分 — 查看该模型的详细评测结果
  29. 第 29：qwen3.5-omni-plus，得分 92.8 分 — 查看该模型的详细评测结果
  30. 第 30：qwen3.5-plus-2026-02-15，得分 92.67 分 — 查看该模型的详细评测结果
  31. 第 31：Tencent: Hy3 preview (free)，得分 92.5 分 — 查看该模型的详细评测结果
  32. 第 32：GLM-5.1，得分 92.5 分 — 查看该模型的详细评测结果
  33. 第 33：kimi-k2.6，得分 92.5 分 — 查看该模型的详细评测结果
  34. 第 34：qwen3-coder-next，得分 92.4 分 — 查看该模型的详细评测结果
  35. 第 35：GLM-5v-turbo，得分 92.3 分 — 查看该模型的详细评测结果
  36. 第 36：Google: Gemma 4 31B，得分 92.2 分 — 查看该模型的详细评测结果
  37. 第 37：qwen3.5-flash，得分 92.2 分 — 查看该模型的详细评测结果
  38. 第 38：qwen3-8b，得分 92.0 分 — 查看该模型的详细评测结果
  39. 第 39：xAI: Grok 4.20 Beta，得分 92.0 分 — 查看该模型的详细评测结果
  40. 第 40：StepFun: Step 3.5 Flash，得分 91.8 分 — 查看该模型的详细评测结果
  41. 第 41：qwen3.5-35b-a3b，得分 91.7 分 — 查看该模型的详细评测结果
  42. 第 42：mimo-v2.5-pro，得分 91.67 分 — 查看该模型的详细评测结果
  43. 第 43：Meituan: LongCat Flash Chat，得分 91.67 分 — 查看该模型的详细评测结果
  44. 第 44：qwen3-14b，得分 91.5 分 — 查看该模型的详细评测结果
  45. 第 45：MiniMax-M2.1，得分 91.33 分 — 查看该模型的详细评测结果
  46. 第 46：doubao-seed-1-6，得分 91.2 分 — 查看该模型的详细评测结果
  47. 第 47：OpenAI: GPT-5 Nano，得分 91.03 分 — 查看该模型的详细评测结果
  48. 第 48：qwen3-max，得分 91.0 分 — 查看该模型的详细评测结果
  49. 第 49：Qwen: Qwen3.5-9B，得分 90.8 分 — 查看该模型的详细评测结果
  50. 第 50：qwen3-coder-flash，得分 90.7 分 — 查看该模型的详细评测结果
  51. 第 51：qwen3-coder-plus，得分 90.5 分 — 查看该模型的详细评测结果
  52. 第 52：kimi-k2-thinking-turbo，得分 90.38 分 — 查看该模型的详细评测结果
  53. 第 53：xAI: Grok 4.1 Fast，得分 90.37 分 — 查看该模型的详细评测结果
  54. 第 54：qwen3-4b，得分 90.0 分 — 查看该模型的详细评测结果
  55. 第 55：GPT-5.2，得分 89.8 分 — 查看该模型的详细评测结果
  56. 第 56：doubao-seed-1-8，得分 89.5 分 — 查看该模型的详细评测结果
  57. 第 57：Google: Gemini 3 Flash Preview，得分 89.14 分 — 查看该模型的详细评测结果
  58. 第 58：doubao-seed-2-0-mini，得分 88.83 分 — 查看该模型的详细评测结果
  59. 第 59：Grok 4，得分 88.8 分 — 查看该模型的详细评测结果
  60. 第 60：glm-4.5-air，得分 88.67 分 — 查看该模型的详细评测结果
  61. 第 61：Meta: Llama 3.3 70B Instruct，得分 88.37 分 — 查看该模型的详细评测结果
  62. 第 62：mimo-v2.5，得分 88.33 分 — 查看该模型的详细评测结果
  63. 第 63：hunyuan-large，得分 88.25 分 — 查看该模型的详细评测结果
  64. 第 64：qwen3-235b-a22b，得分 88.2 分 — 查看该模型的详细评测结果
  65. 第 65：doubao-seed-1-6-flash，得分 88.0 分 — 查看该模型的详细评测结果
  66. 第 66：hunyuan-pro，得分 87.95 分 — 查看该模型的详细评测结果
  67. 第 67：hunyuan-turbo，得分 87.83 分 — 查看该模型的详细评测结果
  68. 第 68：MiniMax-M2.5，得分 87.32 分 — 查看该模型的详细评测结果
  69. 第 69：OpenAI: GPT-4o-mini，得分 86.7 分 — 查看该模型的详细评测结果
  70. 第 70：NVIDIA: Nemotron 3 Super (free)，得分 85.3 分 — 查看该模型的详细评测结果
  71. 第 71：doubao-seed-2-0-lite，得分 84.23 分 — 查看该模型的详细评测结果
  72. 第 72：Elephant，得分 81.7 分 — 查看该模型的详细评测结果
  73. 第 73：Mistral: Mistral Nemo，得分 81.63 分 — 查看该模型的详细评测结果
  74. 第 74：mimo-v2-flash，得分 81.15 分 — 查看该模型的详细评测结果
  75. 第 75：qwen3.5-27b，得分 77.8 分 — 查看该模型的详细评测结果
  76. 第 76：doubao-seed-2-0-pro，得分 70.4 分 — 查看该模型的详细评测结果
  77. 第 77：Google: Gemini 2.5 Flash Lite，得分 62.97 分 — 查看该模型的详细评测结果
  78. 第 78：qwen3-0.6b，得分 11.0 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…